#speech-recognition リポジトリ
#speech-recognitionのタグが付いた、GitHub上の204件のアクティブなオープンソースリポジトリをご覧ください。合計スター数は889,741個で、プロジェクトあたりの平均は4,361個です。このトピックをリードしているのは、169,339個のスターを獲得しているhuggingface/transformersです。
リポジトリ合計206件
🤗 Transformers: テキスト、ビジョン、オーディオ、多モーダルモデルにおける最先端の機械学習モデル向けのモデル定義フレームワーク。推論とトレーニングの両方に使用。
トレーニング、推論、ストリーミングASR、VAD、句読点、話者ダイアライゼーションパイプライン、OpenAI互換/MCPサービングのためのオープンソース音声認識ツールキット。
最先端の深層学習スクリプト - モデルごとに整理 - エンタープライズグレードのインフラで、再現可能な精度と性能で簡単にトレーニングとデプロイ可能。
クリエイターおよび開発者向けのGradio WebUI。主要なTTS(Edge-TTS、kokoro)とゼロショットボイスクローニング(E2 & F5-TTS、CosyVoice)を特徴とし、Whisperオーディオ処理、YouTubeダウンロード、Demucsボーカル分離、多言語翻訳を備えています。
これらのエキサイティングな講義から学んで、ディープラーニング、強化学習、機械学習、コンピュータビジョン、そしてNLPにどっぷり浸かろう!!
使いやすい音声ツールキットで、自己教師あり学習モデル、句読点付きSOTA/ストリーミングASR、テキストフロントエンド付きストリーミングTTS、話者検証システム、エンドツーエンド音声翻訳、およびキーワード検出を含む。NAACL2022 Best Demo Awardを受賞。
リアルタイムかつローカルな音声テキスト変換。ストリーミングASR、話者分離、翻訳、OpenAI/Deepgram互換のAPIを備えています。
AppleのMLXフレームワーク上に構築されたテキスト読み上げ(TTS)、音声認識(STT)、音声間音声変換(STS)ライブラリで、Apple Siliconでの効率的な音声分析を提供します。
Qwen3-ASRは、Alibaba Cloud の Qwen チームが開発したオープンソースの ASR モデルシリーズであり、安定した多言語音声/音楽/歌の認識、言語検出、タイムスタンプ予測をサポートします。
デジタルアバター会話システム - Linly-Talker。😄✨ Linly-Talkerは、大規模言語モデル(LLM)とビジョンモデルを組み合わせて、新しい人間とAIのインタラクション方法を作成するインテリジェントAIシステムです。🤝🤖 Whisper、Linly、Microsoft Speech Services、SadTalkerトーキングヘッド生成システムなどのさまざまなテクノロジーを統合しています。🌟🔬
これは全自動(オーディオ)ビデオ翻訳プロジェクトです。Whisperで音声を認識し、AI大規模モデルで字幕を翻訳し、最後に字幕とビデオをマージして翻訳されたビデオを生成します。
よくある質問
GitHubで最も人気のある#speech-recognitionリポジトリは何ですか?
GitHubで最も上位にランクインしているオープンソースの#speech-recognitionプロジェクトは、169,339個のスターを獲得しているhuggingface/transformersです。🤗 Transformers: テキスト、ビジョン、オーディオ、多モーダルモデルにおける最先端の機械学習モデル向けのモデル定義フレームワーク。推論とトレーニングの両方に使用。
#speech-recognitionリポジトリで最もよく使われているプログラミング言語は何ですか?
GitHubで上位にランクインしている#speech-recognitionプロジェクトでは、Python, Jupyter Notebook, C++, TypeScriptが最も一般的なプログラミング言語です。
#speech-recognitionリポジトリのランキングはどのように算出されていますか?
#speech-recognitionのタグが付いた204件のアクティブなオープンソースリポジトリ(スター500個以上)を追跡しています。合計スター数は889,741個で、リポジトリあたりの平均は4,361個です。ランキングはGitHub APIからのデータに基づいて毎日更新されます。